THE COMPLETE PATH

不是课程堆积，
是一条连续的路。

四个阶段从基础直觉延伸到真实应用。每一章都把“理解”与“动手”放在一起，让知识能够被验证、复述和使用。

从第一阶段开始
FOUNDATIONS4 lessons · 145 min

基石

建立正确的学习循环，补齐 Python、数学直觉与数据意识，让后面的每一步都不悬空。

能把一个 AI 学习问题拆成可执行的练习，并用 Python 与数据表验证自己的理解。

Learning mapPythonMath intuitionData
  1. 01.1怎样从 0 学 AI
  2. 01.2Python 立足点
  3. 01.3用直觉理解数学
  4. 01.4数据的形状
CLASSIC ML5 lessons · 220 min

数据与经典机器学习

从 NumPy 与 pandas 的数据手感开始，亲手训练、评估第一批真正的机器学习模型。

能完成一次从清洗数据、训练模型到解释指标的基础机器学习闭环。

NumPypandasFirst modelEvaluationTrees
  1. 02.1NumPy 与向量化思维
  2. 02.2用 pandas 认识真实数据
  3. 02.3第一个模型
  4. 02.4评估：别被准确率骗了
  5. 02.5决策树与集成
DEEP LEARNING6 lessons · 275 min

深度学习

理解神经网络、反向传播与 PyTorch，真正看见模型的学习过程是怎样发生的。

能读懂一个小型神经网络训练循环，知道 loss、梯度、正则化与归一化在做什么，并理解生成式模型的基本原理。

Neural networksBackpropPyTorchRegularizationCNN & sequencesGenerative models
  1. 03.1神经网络是什么
  2. 03.2反向传播与梯度下降
  3. 03.3PyTorch 上手
  4. 03.4正则化与归一化
  5. 03.5卷积与序列
  6. 03.6生成式模型：GAN 与扩散模型
LLM SYSTEMS6 lessons · 310 min

大模型与应用

从 Transformer 直觉走向 Prompt、RAG 与 Agent，把模型能力组织成可靠的应用。

能设计一个小型 LLM 应用，知道如何组织上下文、判断何时微调、检索资料，并对幻觉、偏见等安全问题保持警觉。

TransformerPromptingFine-tuningRAGAgentsAI safetyShipping
  1. 04.1Transformer 直觉
  2. 04.2会用大模型
  3. 04.3微调大模型：从 RAG 到 LoRA
  4. 04.4检索增强与 Agent
  5. 04.5AI 安全与对齐
  6. 04.6把它做成应用